语音唤醒¶
从网上收集的新息和项目上不敏感角度出发，引用如下指标，并进行一定的评价：
- 误唤醒率（单位通常为次 / 小时）下，目前商用误唤醒一般要求1-2次/12h。指标是按高强度压测下进行的，因此一般这个指标不会进行特别的变化。考虑到新需求的引入，这个指标能不增加已经是不易的事情。正如甲方提过的，你要多少，我就能给你测出多少，因此不能抛开用户的实际体验，而大谈特谈误唤醒。csdn-ai360-引用
- 唤醒率（通常用百分比表示），商用唤醒率一般要求90%以上，尽可能降低漏唤醒率。实际这几年不可能90%这么低的指标，实际场景中，会按快语速、方言vs普通话、噪声、干扰、回声作为影响因素，设置不同的指标。从项目上的迭代速度上看，唤醒优化并不难，难得是客户的预期往往存在偏差，对于相似词过分要求、对普通话口音要关注到什么程度、对日常天天含唤醒词下经常发音不标准，要优化的什么程度，这些问题是很考验一个产品经理的判断能力的。舆情也是对这类问题有很大的影响，一些用户习惯暴力说一些脏话或搞笑的话，处理了对正常效果一般就是有影响，所以也涉及到平衡的艺术。近年来新增的车厂增加，稍不留意，就能用其他厂商的唤醒词来唤醒自己的，虽然无辜，但也是不得不处理的事实。
- 响应时间：一般设备的唤醒检测模块都是放在本地的，这是为了可以快速响应，本地响应可以将响应时间控制在300-700ms之间。如果进行云端2次确认，这个识别降低唤醒的响应时长，会被延长到900ms~1.2S之间，如果网络环境差，这个时间可能更久。知乎涂鸦卧龙-引用
- 功耗： 看应用场景，大多数场景下一般是不考虑。
- 自激：一般不允许出现。
- 定位率：对于车载场景，基于波束分离技术、模型得分、信号能量等新息实现，定位是用户基础体验的一环，一般指标会定的比较高。
从家用智能音响领域上看，很明显的可以感觉夜间会刻意压误唤醒，而导致唤醒率降低。 近年来，唤醒词还承载了另外一个功能那就是声纹检测，从而提供个性化的服务，对唤醒和声纹的应用也带来了很大的挑战。
技术原理¶
知乎-语音唤醒技术的原理 知乎-52AI-语音唤醒技术的原理 csdn-嗹国学长-CTC语音唤醒
OpenWakeWord— 开源，家居场景，支持多唤醒词MicroWakeWord— 专为 ESP32 等 MCU 设计NanoWakeWord— 11 种架构可选，模型极小（40KB）